📂機械学習

ジュリア・フラックスでワンホットエンコーディングする方法

概要

ワンホットエンコーディングとは、データを分類^classに応じて標準基底ベクトルにマッピングすることだ。Fluxではこれを実現するための関数を提供している。

コード¹

onehot()

• onehot(x, labels, [default])

x .== labelsを返す。ただし、完全に同じ結果を返すわけではなく、OneHotVectorというタイプで返す。複数のデータをエンコーディングする場合は、下記のonehotbatch()を使う。

julia> 3 .== [1,3,4]
3-element BitVector:
 0
 1
 0

julia> Flux.onehot(3, [1,3,4])
3-element OneHotVector(::UInt32) with eltype Bool:
 ⋅
 1
 ⋅

julia> Flux.onehot(3, 1:6)
6-element OneHotVector(::UInt32) with eltype Bool:
 ⋅
 ⋅
 1
 ⋅
 ⋅
 ⋅

julia> Flux.onehot(:c, [:a,:b,:c])
3-element OneHotVector(::UInt32) with eltype Bool:
 ⋅
 ⋅
 1

デフォルト値を指定すると、ラベルにない要素をデフォルト値でラベリングする。

julia> Flux.onehot(5, [1,2,3], 3)
3-element OneHotVector(::UInt32) with eltype Bool:
 ⋅
 ⋅
 1

onehotbatch()

• onehotbatch(xs, labels, [default])

複数のデータを一度にエンコーディングする時に使う。使用方法はonehot()と同じだ。

julia> Flux.onehotbatch([1,2,5], [1,2,3], 3)
3×3 OneHotMatrix(::Vector{UInt32}) with eltype Bool:
 1  ⋅  ⋅
 ⋅  1  ⋅
 ⋅  ⋅  1

julia> Flux.onehotbatch(['a', 'b', 'c', 'h'], 'a':'c', 'c')
3×4 OneHotMatrix(::Vector{UInt32}) with eltype Bool:
 1  ⋅  ⋅  ⋅
 ⋅  1  ⋅  ⋅
 ⋅  ⋅  1  1

onecold()

• onecold(y::AbstractArray, labels = 1:size(y,1))

onehot(), onehotbatch()の逆変換だ。ワンホットエンコーディングを解除する。入力がOneHotVectorでなくても使える。

julia> x1 = Flux.onehot(2, 1:3)
3-element OneHotVector(::UInt32) with eltype Bool:
 ⋅
 1
 ⋅

julia> Flux.onecold(x1)
2

julia> x2 = Flux.onehot('a', ['a', 'b', 'c'])
3-element OneHotVector(::UInt32) with eltype Bool:
 1
 ⋅
 ⋅

julia> Flux.onecold(x2, 'a':'c')
'a': ASCII/Unicode U+0061 (category Ll: Letter, lowercase)

julia> Flux.onecold([0.1, 0.2, 0.5], [:a, :b, :c])
:c

3×3 OneHotMatrix(::Vector{UInt32}) with eltype Bool:
 1  ⋅  ⋅
 ⋅  1  ⋅
 ⋅  ⋅  1

julia> x3 = Flux.onehotbatch([1,2,5], [1,2,3], 3)
3×3 OneHotMatrix(::Vector{UInt32}) with eltype Bool:
 1  ⋅  ⋅
 ⋅  1  ⋅
 ⋅  ⋅  1

julia> Flux.onecold(x3)
3-element Vector{Int64}:
 1
 2
 3

環境

• OS: Windows10
• Version: Julia 1.7.1, Flux 0.12.8